Mittelpunkte und Screening-DesignsHallo Mitglieder,
Ich versuche, mit JMP 16 ein benutzerdefiniertes Haupteffekt-Screening-Design zu erstellen. Ich habe fünf Faktoren und einer der Faktoren ist kategorisch mit 4 Stufen. Das benutzerdefinierte Design generiert ein Experiment mit 16 Durchläufen und ich habe mich gefragt, ob es notwendig ist, der Studie Mittelpunkte hinzuzufügen? Mich interessiert nur, welche Faktoren wichtig sind und welche der vier kategorialen Variablen ich für ein RSM-Design verwenden sollte. Jede Hilfe wird sehr geschätzt.
VersuchsplanungBetreff: Mittelpunkte und Screening-DesignsVielen Dank @Byron_JMP
Ich muss die Anzahl der Durchläufe, die ich durchführen kann, aus Kostengründen begrenzen, und ich vermute auch, dass zwei der Faktoren möglicherweise nicht von Bedeutung sind. Ich habe mich für das D-optimale Design des benutzerdefinierten Designs entschieden, das mir die 16 Durchläufe ermöglichte. Hoffentlich kann es mir dabei helfen, eine der kategorialen Variablen und die wichtigen Faktoren für eine RSM-Studie zu identifizieren.
Betreff: Mittelpunkte und Screening-DesignsVielen Dank @P_Bartell Ich werde ein Screening-Experiment ohne die Mittelpunkte durchführen.
Betreff: Mittelpunkte und Screening-DesignsVielen Dank @Mark_Bailey
Betreff: Mittelpunkte und Screening-DesignsIch habe einen kategorialen Faktor mit 4 Ebenen und 4 weitere kontinuierliche Variablen auf jeweils zwei Ebenen.
Betreff: Mittelpunkte und Screening-DesignsDie Arbeit mit 4 Stufen eines kategorialen Faktors in einem Screening-Experiment mit nur 16 Durchläufen scheint Ihr System zu stark zu vereinfachen. Wenn die Möglichkeit einer Interaktion zwischen dem kategorialen Faktor und den kontinuierlichen Faktoren besteht, ist es möglicherweise eine gute Idee, den Interaktionsterm zu Ihrem Modell hinzuzufügen. Dadurch wird Ihr Screening-Experiment etwas größer; Allerdings würden ein paar zusätzliche Durchläufe für jede Ebene der kategorialen Variablen Ihre Fähigkeit verbessern, Unterschiede zwischen ihnen zu erkennen.
Nehmen wir beispielsweise an, dass nur drei der kontinuierlichen Variablen wichtig sind und Sie eine Ebene der kategorialen Variablen auswählen. Dann wären weitere acht Durchläufe erforderlich, um die Wechselwirkungen und quadratischen Effekte für die verbleibenden drei kontinuierlichen Variablen hinzuzufügen. (DOE>AUGMENT)
Wenn die Versuchseinheiten nicht schwierig oder teuer sind, sind mehr Durchläufe ohnehin besser.
Betreff: Mittelpunkte und Screening-DesignsBei Mittelpunkten geht es um kontinuierliche Faktoren (oder diskrete numerische Faktoren). Sie sagen, Sie haben 5 kategoriale Faktoren. Wenn ich Ihre Beschreibung richtig interpretiert habe, müssen Sie sich nur um Haupteffekte und Interaktionseffekte kümmern.
Betreff: Mittelpunkte und Screening-DesignsNotwendig? Streng genommen ... nein, wenn Ihr primäres Ziel darin besteht, einflussreiche Haupteffekte und nur Haupteffekte abzuschätzen. Insbesondere für ein Screening-Design, bei dem Sie die Durchführung nachfolgender RSM-modellbasierter Experimente erwarten und planen.
Der einzige Grund, warum ich das Hinzufügen von Mittelpunkten in Betracht ziehen könnte, besteht darin, dass Sie nach einer Art experimenteller, unabhängiger Schätzung des reinen Fehlers im experimentellen Raum suchen. Aber für mich wirft dies eine andere Frage auf ... da Sie letztendlich eine oder mehrere Ebenen des kategorialen Faktors auswählen werden ... möchten Sie nicht den reinen Fehler auf JEDER Ebene für den kategorialen Faktor schätzen, um zu sehen, ob das „Rauschen“ ist? ' ist über den kategorialen Faktor hinweg konstant? Wenn die Antwort „Ja“ lautet, müssen Sie die Mittelpunkte über alle Ebenen des kategorialen Faktors hinweg replizieren, wodurch die Anzahl der Läufe in Ihrem Design ziemlich schnell ansteigt, während die Läufe derzeit überwiegen auf der Suche nach reinem Fehler und nicht signifikanten Haupteffekten. Lang gesagt... Ich würde die Mittelpunkte weglassen...
Andere denken vielleicht anders?
